今日AI行业的技术动态集中在两条主线开源模型的定价冲击与AI智能体向物理世界的延伸。前者智谱GLM-5.3在网络安全能力上取得进展、DeepSeek-V4-Pro迎来官方版刷新中国开源模型在OpenRouter上的token份额每周超30%[① The Batch DeepLearning.AI][② AGI Weekly VentureBeat]后者Anthropic发布Model Hardware StandardMHS让智能体接入实验室与工厂设备Perplexity与Nvidia联合发布本地智能体Portable Computer[③ The Rundown AI][② AGI Weekly VentureBeat]。本文从开源模型、物理AI、推理速度、开发者平台四个技术主题展开。技术主题开源模型双雄并进GLM-5.3与DeepSeek-V4-Pro-0813技术解读智谱Z.ai最新旗舰模型 GLM-5.3 在 Artificial Analysis 智能基准指数上追平开源权重领先模型 Kimi K3其关键点在于公司仅通过微调前代 GLM-5.2而非从头训练或改架构便提升了编码与智能体能力。技术规格上模型参数7530亿、每次激活400亿支持可调推理级别、工具调用、结构化输出与上下文缓存[① The Batch DeepLearning.AI]。安全能力是其亮点在 CyberGym 漏洞利用检测基准上以84.5%得分领先所有模型ExploitBench 得分54.4%为 GLM-5.2 的两倍以上。由于漏洞挖掘能力增强权重在发布约两周后经安全评估才放出。OpenAI 总裁 Greg Brockman 警告具备前沿网络能力的开源权重模型将显著加速威胁格局[① The Batch DeepLearning.AI]。DeepSeek 同步发布 DeepSeek-V4-Pro-0813即其第四代两款模型中较大型号的正式版在预览版基础上性能提升并配套开源其评测所用的智能体 harness。模型为混合专家架构总参数1.6万亿、每token激活490亿可选推测解码模块使检查点达1.7万亿参数支持可调推理与工具调用。在 Artificial Analysis 智能指数获53分居开源权重模型第三较4月预览版提升8分[① The Batch DeepLearning.AI]。编码能力提升最为显著Terminal-Bench 2.1 从72.1%升至87.9%DeepSWE 从12.8%升至62.7%CyberGym 从52.7%升至83.3%。模型权重 MIT 许可免费商用但 API 价格上调同期发布开源智能体 harnessDeepSeek Harness开发者预览并以论文形式与北大共同描述其设计[① The Batch DeepLearning.AI]。从开发者视角看两件事值得关注。其一GLM-5.3 的微调路径意味着用较少算力逼近前沿成为可能其7530亿参数/400亿激活的配置表明推理成本可控其二DeepSeek-V4-Pro-0813 以 MIT 许可开放权重并配套开源评估 harness开发者可低成本接入编码与智能体任务。两家的安全测试CyberGym/ExploitBench与基准开源动作正在构建更完整的开源生态闭环[① The Batch DeepLearning.AI]。技术主题物理AI落地从MHS设备控制到本地智能体Anthropic 以研究预览形式推出 Model Hardware StandardMHS让 AI 智能体能够查阅、学习并操作显微镜、机器人手臂等实验室与工厂设备此前这类设备需定制代码才能驱动而 MHS 以类似 Model Context ProtocolMCP的行业标准方式推广[③ The Rundown AI]。技术机制上机器所有者用自然语言描述设备MHS 将其转化为智能体可读取并学习如何操作的参考文件在一项测试中Claude 通过试错自学激光对准并将流程简化为可单次自动完成该工作的脚本[③ The Rundown AI]。Anthropic 称在新规范下设置时间从专家数周的手工接线缩短到数小时或数分钟。开源版本计划稍后发布Tecan、QIAGEN 与 AWS 已合作Hugging Face 与 Raspberry Pi 也将其加入设备产品线[③ The Rundown AI]。与 MHS 把智能体送进工厂车间对照Perplexity 与 Nvidia 联合发布 Portable Computer 把智能体拉回个人桌面。该产品将智能体平台完全在设备端运行首发支持 Nvidia DGX Spark 及配备 RTX 的 Linux 机器文件、模型与推理全部本地完成计费为零仅当本地模型触及极限且经用户批准时才升级到云端[② AGI Weekly VentureBeat]。Perplexity 认为智能体任务往往持续数小时而非突发性云端账单因此不断累积本地优先执行使推理边际成本趋近于零[② AGI Weekly VentureBeat]。这一设计直接挑战 OpenAI 与 Anthropic 依赖的按 token 计费模式。对开发者而言MHS 定义的是智能体连接机器的标准接口Portable Computer 定义的是零边际成本的本地运行范式——两者共同指向物理AI与本地推理的工程化方向。开源社区也在同步推进具身化。Hugging Face 发布售价399美元的开源鸭子机器人 Microduck高25厘米可摇摆行走、用喙捡起最重800克的物体、摔倒后自行站起甚至溜旱冰行为可在仿真环境中训练后直接部署到实体SDK、仿真环境与完整强化学习训练栈均已开源在 GitHub[④ TLDR]。物理 AI 的入场成本正被头部机构主动拉低智能体与物理世界的连接正在从定制项目变成标准能力。技术主题推理速度军备竞赛Ultrafast、TensorRT与多AZ部署推理性能成为本周硬件与平台层的竞争焦点。OpenAI 与 Cerebras 预览全新 API 服务层级 Ultrafast在 Cerebras 硬件上运行 GPT-5.6 Sol 而非 OpenAI 常规基础设施吞吐最高每秒750输出token较标准接口约快11倍端到端提速5.6倍Cerebras 将模型权重置于44GB片上SRAM以消除GPU推理瓶颈[① The Batch DeepLearning.AI]。同周 Google 发布 Gemini 3.7 Flash实测每秒330输出tokenNvidia 发布 Nemotron 3.5 Lightning同类最高4倍输出速度智能体任务完成快30%并伴随开源路由库 NeMo Switchyard可降低任务完成成本至约 Claude Opus 4.8 的三分之一[① The Batch DeepLearning.AI]。OpenAI 还发布与博通合作的自研推理芯片 Jalapeño 的首批测试结果[① The Batch DeepLearning.AI]。基础设施层面AWS 本周发布两项值得关注的更新。其一Amazon SageMaker Feature Store 新增 BatchWriteRecord 与 ListRecords 两个新 APIBatchWriteRecord 单次API调用可在多个特征组写入最多25条记录支持部分成功语义、每条记录TTL控制以及与PutRecord相同的基于EventTime的排序保证ListRecords 通过分页枚举特征组内的记录标识符兼容基于 DynamoDB 的标准存储层和基于 Redis 的内存存储层[⑤ AWS ML Blog]。其二AWS 通过 CreateInferenceComponent API 新增 SchedulingConfig 参数提供对推理组件IC副本在实例与可用区间放置的精细控制AvailabilityZoneBalance 控制跨AZ分布PlacementStrategy 控制AZ内 SPREAD 分布满足 Salesforce 每个生产模型需2-AZ支持的要求SageMaker AI 推理组件通过共享GPU共同托管多个模型为 Salesforce 带来8倍基础设施成本下降[⑤ AWS ML Blog]。针对 SageMaker Feature Store 批量写入 API 的技术机制日报仅含概念描述以下为伪代码理解示意演示 BatchWriteRecord 的调用形态# 以下为根据公开摘要信息对 Amazon SageMaker Feature Store BatchWriteRecord 的理解示意 # 具体实现请查阅 AWS 官方技术文档Amazon SageMaker AI # 日报披露的关键能力单次API调用在多个特征组写入最多25条记录 # 支持部分成功语义、每条记录TTL控制、与PutRecord相同的EventTime排序保证 import boto3 client boto3.client(sagemaker-featurestore-runtime) records [ { feature_group_name: customer_features, record: [ {FeatureName: customer_id, ValueAsString: c_1001}, {FeatureName: churn_score, ValueAsString: 0.87}, {FeatureName: asof_time, ValueAsString: 2026-08-29T03:31:00Z}, ], record_identifier_value_as_string: c_1001, }, # ... 最多25条记录可跨多个特征组 ] response client.batch_write_record(recordsrecords) # 支持部分成功语义失败项在 response[unprocessed_records] 中返回⚠️ 以上伪代码为根据公开信息对该技术逻辑的初步理解示意具体实现请以官方文档为准。技术主题Anthropic多线作战与AI产业格局商业与资本层面Anthropic 本周动作密集。Salesforce 与 Anthropic 发布 Claudeforce 插件内置37个预置销售技能让销售代表可在 Claude 的 Cowork 智能体内直接查询、更新并处理实时 CRM 数据无需打开 Salesforce 应用[② AGI Weekly VentureBeat]。Salesforce 称其83%的员工已在使用基于 Claude 的 Slackbot每年节省380万小时新品今日开始试点9月开放公测[② AGI Weekly VentureBeat]。而 Meta 与 Anthropic 关系呈现双面性扎克伯格在约6500字长文中批评头部 AI 实验室试图巩固权力但 Meta 内部预计每年在 Anthropic 服务上花费高达100亿美元是 Anthropic 最大的客户之一[④ TLDR]。叠加 OpenAI 与 Anthropic 合计收入突破1000亿美元[⑥ TLDR AI]以及中国开源模型在 OpenRouter 份额超30%对定价权的冲击[② AGI Weekly VentureBeat]AI 巨头的商业体量正在膨胀同时承受开源侧的价格压力。治理与安全端Anthropic 做出行业首创的透明化动作安全争议也持续发酵。公司通过隐私保护分析工具向斯坦福大学 SALT Lab、牛津大学人类信息处理实验室与 METR 三支外部研究团队开放了约25万段真实 Claude 对话的独立访问权限这是 AI 实验室首次向外部、独立发表的研究开放其生产使用数据[② AGI Weekly VentureBeat]。与此同时联邦法官 Rita Lin 在加州北区联邦地区法院裁定特朗普政府将 Anthropic 列入黑名单的行为非法认定其构成违反第一修正案的非法报复[⑦ Ars Technica]在此之前OpenAI 发布由116家公司包括 Anthropic签署的公开信警告 AI 赋能的网络攻击在未来数月将变得更加广泛和复杂呼吁发起协调的网络安全防御行动[③ The Rundown AI]。一边是商业与资本的高歌猛进一边是治理透明度与安全边界的持续博弈Anthropic 的处境也是整个前沿 AI 行业的缩影。趋势判断基于今日快讯可以归纳三个跨领域技术趋势趋势一开源模型定价冲击成为全球AI竞争的结构性变量。中国开源模型在 OpenRouter 上的 token 份额自2月以来每周超30%、一年前仅11%以低60-90%的成本缩小性能差距[② AGI Weekly VentureBeat]GLM-5.3 追平 Kimi K3、DeepSeek-V4-Pro 编码基准大幅跃升[① The Batch DeepLearning.AI]OpenAI 降价致 Luna 使用量跃升13.8倍、DeepSeek 寻求74亿美元融资[⑥ TLDR AI]——开源权重模型以价格优势持续侵蚀闭源定价权全球 AI 竞争的胜负手正从谁的模型更强转向谁的成本与生态更能打[② AGI Weekly VentureBeat][① The Batch DeepLearning.AI][⑥ TLDR AI]。趋势二AI智能体加速走向物理世界与本地化。Anthropic MHS 让智能体接入实验室与工厂设备、设置时间从数周缩至数小时[③ The Rundown AI]Perplexity Portable Computer 实现零 token 成本的本地智能体[② AGI Weekly VentureBeat]Hugging Face 以399美元开源机器人降低物理AI门槛[④ TLDR]——智能体正从聊天窗口走向真实世界的操作入口物理 AI 的生态竞争即将展开[③ The Rundown AI][② AGI Weekly VentureBeat][④ TLDR]。趋势三推理性能与部署效率成为基础设施竞争焦点。OpenAI-Cerebras Ultrafast 达每秒750输出token快11倍[① The Batch DeepLearning.AI]SageMaker 以 SchedulingConfig 支撑多AZ高可用部署Salesforce 8倍成本下降[⑤ AWS ML Blog]NVIDIA TensorRT Model Connect 以两命令完成从检查点到推理的部署——推理速度与部署工程化正在重塑 AI 可用场景[① The Batch DeepLearning.AI][⑤ AWS ML Blog]。结尾今日AI行业的技术主线清晰开源模型以编码与安全能力双线逼近前沿、定价冲击改写竞争格局AI智能体通过 MHS 与本地设备走向物理世界推理速度与部署效率成为基础设施竞争焦点Anthropic 在商业、治理与安全的博弈中多线推进。后续值得关注的方向有二一是开源模型的安全能力如 GLM-5.3 的 CyberGym 表现将如何影响权重开放策略二是物理AI与本地智能体的工程化标准MHS/Portable Computer能否快速形成生态。【资讯来源】本文综合整理自 The Batch DeepLearning.AI、AGI Weekly VentureBeat、The Rundown AI、TLDR、AWS ML Blog、TLDR AI、Ars Technica 等公开信息源。 ① The Batch DeepLearning.AI, 2026年08月28日 12:01 北京时间 / 08月27日 21:01 美西时间 ② AGI Weekly VentureBeat, 2026年08月29日 03:57 北京时间 / 08月28日 12:57 美西时间 ③ The Rundown AI, 2026年08月28日 18:09 北京时间 / 2026年08月28日 03:09 美西时间 ④ TLDR, 2026年08月28日 18:44 北京时间 / 2026年08月28日 03:44 美西时间 ⑤ AWS ML Blog, 2026年08月29日 03:31 北京时间 / 08月28日 12:31 美西时间 ⑥ TLDR AI, 2026年08月28日 21:34 北京时间 / 2026年08月28日 06:34 美西时间 ⑦ Ars Technica, 2026年08月29日 02:07 北京时间 / 08月28日 11:07 美西时间【免责声明】 本日报为AI行业每日公开信息汇总整理仅供读者快速了解行业动态不构成任何投资建议。所有信息均来源于公开渠道本账号不对其准确性、完整性和时效性作出任何保证。AI行业技术与政策变化迅速内容发布后可能发生更新请以官方最新信息为准。据此作出的任何决策全部风险自担。© 2026 林伽一 · AI科技日报#开源模型 #大模型 #物理AI #推理加速 #SageMaker 林伽一 · AI科技日报 ｜ 2026年08月30日
今日AI行业的技术动态集中在两条主线开源模型的定价冲击与AI智能体向物理世界的延伸。前者智谱GLM-5.3在网络安全能力上取得进展、DeepSeek-V4-Pro迎来官方版刷新中国开源模型在OpenRouter上的token份额每周超30%[① The Batch DeepLearning.AI][② AGI Weekly VentureBeat]后者Anthropic发布Model Hardware StandardMHS让智能体接入实验室与工厂设备Perplexity与Nvidia联合发布本地智能体Portable Computer[③ The Rundown AI][② AGI Weekly VentureBeat]。本文从开源模型、物理AI、推理速度、开发者平台四个技术主题展开。技术主题开源模型双雄并进GLM-5.3与DeepSeek-V4-Pro-0813技术解读智谱Z.ai最新旗舰模型 GLM-5.3 在 Artificial Analysis 智能基准指数上追平开源权重领先模型 Kimi K3其关键点在于公司仅通过微调前代 GLM-5.2而非从头训练或改架构便提升了编码与智能体能力。技术规格上模型参数7530亿、每次激活400亿支持可调推理级别、工具调用、结构化输出与上下文缓存[① The Batch DeepLearning.AI]。安全能力是其亮点在 CyberGym 漏洞利用检测基准上以84.5%得分领先所有模型ExploitBench 得分54.4%为 GLM-5.2 的两倍以上。由于漏洞挖掘能力增强权重在发布约两周后经安全评估才放出。OpenAI 总裁 Greg Brockman 警告具备前沿网络能力的开源权重模型将显著加速威胁格局[① The Batch DeepLearning.AI]。DeepSeek 同步发布 DeepSeek-V4-Pro-0813即其第四代两款模型中较大型号的正式版在预览版基础上性能提升并配套开源其评测所用的智能体 harness。模型为混合专家架构总参数1.6万亿、每token激活490亿可选推测解码模块使检查点达1.7万亿参数支持可调推理与工具调用。在 Artificial Analysis 智能指数获53分居开源权重模型第三较4月预览版提升8分[① The Batch DeepLearning.AI]。编码能力提升最为显著Terminal-Bench 2.1 从72.1%升至87.9%DeepSWE 从12.8%升至62.7%CyberGym 从52.7%升至83.3%。模型权重 MIT 许可免费商用但 API 价格上调同期发布开源智能体 harnessDeepSeek Harness开发者预览并以论文形式与北大共同描述其设计[① The Batch DeepLearning.AI]。从开发者视角看两件事值得关注。其一GLM-5.3 的微调路径意味着用较少算力逼近前沿成为可能其7530亿参数/400亿激活的配置表明推理成本可控其二DeepSeek-V4-Pro-0813 以 MIT 许可开放权重并配套开源评估 harness开发者可低成本接入编码与智能体任务。两家的安全测试CyberGym/ExploitBench与基准开源动作正在构建更完整的开源生态闭环[① The Batch DeepLearning.AI]。技术主题物理AI落地从MHS设备控制到本地智能体Anthropic 以研究预览形式推出 Model Hardware StandardMHS让 AI 智能体能够查阅、学习并操作显微镜、机器人手臂等实验室与工厂设备此前这类设备需定制代码才能驱动而 MHS 以类似 Model Context ProtocolMCP的行业标准方式推广[③ The Rundown AI]。技术机制上机器所有者用自然语言描述设备MHS 将其转化为智能体可读取并学习如何操作的参考文件在一项测试中Claude 通过试错自学激光对准并将流程简化为可单次自动完成该工作的脚本[③ The Rundown AI]。Anthropic 称在新规范下设置时间从专家数周的手工接线缩短到数小时或数分钟。开源版本计划稍后发布Tecan、QIAGEN 与 AWS 已合作Hugging Face 与 Raspberry Pi 也将其加入设备产品线[③ The Rundown AI]。与 MHS 把智能体送进工厂车间对照Perplexity 与 Nvidia 联合发布 Portable Computer 把智能体拉回个人桌面。该产品将智能体平台完全在设备端运行首发支持 Nvidia DGX Spark 及配备 RTX 的 Linux 机器文件、模型与推理全部本地完成计费为零仅当本地模型触及极限且经用户批准时才升级到云端[② AGI Weekly VentureBeat]。Perplexity 认为智能体任务往往持续数小时而非突发性云端账单因此不断累积本地优先执行使推理边际成本趋近于零[② AGI Weekly VentureBeat]。这一设计直接挑战 OpenAI 与 Anthropic 依赖的按 token 计费模式。对开发者而言MHS 定义的是智能体连接机器的标准接口Portable Computer 定义的是零边际成本的本地运行范式——两者共同指向物理AI与本地推理的工程化方向。开源社区也在同步推进具身化。Hugging Face 发布售价399美元的开源鸭子机器人 Microduck高25厘米可摇摆行走、用喙捡起最重800克的物体、摔倒后自行站起甚至溜旱冰行为可在仿真环境中训练后直接部署到实体SDK、仿真环境与完整强化学习训练栈均已开源在 GitHub[④ TLDR]。物理 AI 的入场成本正被头部机构主动拉低智能体与物理世界的连接正在从定制项目变成标准能力。技术主题推理速度军备竞赛Ultrafast、TensorRT与多AZ部署推理性能成为本周硬件与平台层的竞争焦点。OpenAI 与 Cerebras 预览全新 API 服务层级 Ultrafast在 Cerebras 硬件上运行 GPT-5.6 Sol 而非 OpenAI 常规基础设施吞吐最高每秒750输出token较标准接口约快11倍端到端提速5.6倍Cerebras 将模型权重置于44GB片上SRAM以消除GPU推理瓶颈[① The Batch DeepLearning.AI]。同周 Google 发布 Gemini 3.7 Flash实测每秒330输出tokenNvidia 发布 Nemotron 3.5 Lightning同类最高4倍输出速度智能体任务完成快30%并伴随开源路由库 NeMo Switchyard可降低任务完成成本至约 Claude Opus 4.8 的三分之一[① The Batch DeepLearning.AI]。OpenAI 还发布与博通合作的自研推理芯片 Jalapeño 的首批测试结果[① The Batch DeepLearning.AI]。基础设施层面AWS 本周发布两项值得关注的更新。其一Amazon SageMaker Feature Store 新增 BatchWriteRecord 与 ListRecords 两个新 APIBatchWriteRecord 单次API调用可在多个特征组写入最多25条记录支持部分成功语义、每条记录TTL控制以及与PutRecord相同的基于EventTime的排序保证ListRecords 通过分页枚举特征组内的记录标识符兼容基于 DynamoDB 的标准存储层和基于 Redis 的内存存储层[⑤ AWS ML Blog]。其二AWS 通过 CreateInferenceComponent API 新增 SchedulingConfig 参数提供对推理组件IC副本在实例与可用区间放置的精细控制AvailabilityZoneBalance 控制跨AZ分布PlacementStrategy 控制AZ内 SPREAD 分布满足 Salesforce 每个生产模型需2-AZ支持的要求SageMaker AI 推理组件通过共享GPU共同托管多个模型为 Salesforce 带来8倍基础设施成本下降[⑤ AWS ML Blog]。针对 SageMaker Feature Store 批量写入 API 的技术机制日报仅含概念描述以下为伪代码理解示意演示 BatchWriteRecord 的调用形态# 以下为根据公开摘要信息对 Amazon SageMaker Feature Store BatchWriteRecord 的理解示意 # 具体实现请查阅 AWS 官方技术文档Amazon SageMaker AI # 日报披露的关键能力单次API调用在多个特征组写入最多25条记录 # 支持部分成功语义、每条记录TTL控制、与PutRecord相同的EventTime排序保证 import boto3 client boto3.client(sagemaker-featurestore-runtime) records [ { feature_group_name: customer_features, record: [ {FeatureName: customer_id, ValueAsString: c_1001}, {FeatureName: churn_score, ValueAsString: 0.87}, {FeatureName: asof_time, ValueAsString: 2026-08-29T03:31:00Z}, ], record_identifier_value_as_string: c_1001, }, # ... 最多25条记录可跨多个特征组 ] response client.batch_write_record(recordsrecords) # 支持部分成功语义失败项在 response[unprocessed_records] 中返回⚠️ 以上伪代码为根据公开信息对该技术逻辑的初步理解示意具体实现请以官方文档为准。技术主题Anthropic多线作战与AI产业格局商业与资本层面Anthropic 本周动作密集。Salesforce 与 Anthropic 发布 Claudeforce 插件内置37个预置销售技能让销售代表可在 Claude 的 Cowork 智能体内直接查询、更新并处理实时 CRM 数据无需打开 Salesforce 应用[② AGI Weekly VentureBeat]。Salesforce 称其83%的员工已在使用基于 Claude 的 Slackbot每年节省380万小时新品今日开始试点9月开放公测[② AGI Weekly VentureBeat]。而 Meta 与 Anthropic 关系呈现双面性扎克伯格在约6500字长文中批评头部 AI 实验室试图巩固权力但 Meta 内部预计每年在 Anthropic 服务上花费高达100亿美元是 Anthropic 最大的客户之一[④ TLDR]。叠加 OpenAI 与 Anthropic 合计收入突破1000亿美元[⑥ TLDR AI]以及中国开源模型在 OpenRouter 份额超30%对定价权的冲击[② AGI Weekly VentureBeat]AI 巨头的商业体量正在膨胀同时承受开源侧的价格压力。治理与安全端Anthropic 做出行业首创的透明化动作安全争议也持续发酵。公司通过隐私保护分析工具向斯坦福大学 SALT Lab、牛津大学人类信息处理实验室与 METR 三支外部研究团队开放了约25万段真实 Claude 对话的独立访问权限这是 AI 实验室首次向外部、独立发表的研究开放其生产使用数据[② AGI Weekly VentureBeat]。与此同时联邦法官 Rita Lin 在加州北区联邦地区法院裁定特朗普政府将 Anthropic 列入黑名单的行为非法认定其构成违反第一修正案的非法报复[⑦ Ars Technica]在此之前OpenAI 发布由116家公司包括 Anthropic签署的公开信警告 AI 赋能的网络攻击在未来数月将变得更加广泛和复杂呼吁发起协调的网络安全防御行动[③ The Rundown AI]。一边是商业与资本的高歌猛进一边是治理透明度与安全边界的持续博弈Anthropic 的处境也是整个前沿 AI 行业的缩影。趋势判断基于今日快讯可以归纳三个跨领域技术趋势趋势一开源模型定价冲击成为全球AI竞争的结构性变量。中国开源模型在 OpenRouter 上的 token 份额自2月以来每周超30%、一年前仅11%以低60-90%的成本缩小性能差距[② AGI Weekly VentureBeat]GLM-5.3 追平 Kimi K3、DeepSeek-V4-Pro 编码基准大幅跃升[① The Batch DeepLearning.AI]OpenAI 降价致 Luna 使用量跃升13.8倍、DeepSeek 寻求74亿美元融资[⑥ TLDR AI]——开源权重模型以价格优势持续侵蚀闭源定价权全球 AI 竞争的胜负手正从谁的模型更强转向谁的成本与生态更能打[② AGI Weekly VentureBeat][① The Batch DeepLearning.AI][⑥ TLDR AI]。趋势二AI智能体加速走向物理世界与本地化。Anthropic MHS 让智能体接入实验室与工厂设备、设置时间从数周缩至数小时[③ The Rundown AI]Perplexity Portable Computer 实现零 token 成本的本地智能体[② AGI Weekly VentureBeat]Hugging Face 以399美元开源机器人降低物理AI门槛[④ TLDR]——智能体正从聊天窗口走向真实世界的操作入口物理 AI 的生态竞争即将展开[③ The Rundown AI][② AGI Weekly VentureBeat][④ TLDR]。趋势三推理性能与部署效率成为基础设施竞争焦点。OpenAI-Cerebras Ultrafast 达每秒750输出token快11倍[① The Batch DeepLearning.AI]SageMaker 以 SchedulingConfig 支撑多AZ高可用部署Salesforce 8倍成本下降[⑤ AWS ML Blog]NVIDIA TensorRT Model Connect 以两命令完成从检查点到推理的部署——推理速度与部署工程化正在重塑 AI 可用场景[① The Batch DeepLearning.AI][⑤ AWS ML Blog]。结尾今日AI行业的技术主线清晰开源模型以编码与安全能力双线逼近前沿、定价冲击改写竞争格局AI智能体通过 MHS 与本地设备走向物理世界推理速度与部署效率成为基础设施竞争焦点Anthropic 在商业、治理与安全的博弈中多线推进。后续值得关注的方向有二一是开源模型的安全能力如 GLM-5.3 的 CyberGym 表现将如何影响权重开放策略二是物理AI与本地智能体的工程化标准MHS/Portable Computer能否快速形成生态。【资讯来源】本文综合整理自 The Batch DeepLearning.AI、AGI Weekly VentureBeat、The Rundown AI、TLDR、AWS ML Blog、TLDR AI、Ars Technica 等公开信息源。 ① The Batch DeepLearning.AI, 2026年08月28日 12:01 北京时间 / 08月27日 21:01 美西时间 ② AGI Weekly VentureBeat, 2026年08月29日 03:57 北京时间 / 08月28日 12:57 美西时间 ③ The Rundown AI, 2026年08月28日 18:09 北京时间 / 2026年08月28日 03:09 美西时间 ④ TLDR, 2026年08月28日 18:44 北京时间 / 2026年08月28日 03:44 美西时间 ⑤ AWS ML Blog, 2026年08月29日 03:31 北京时间 / 08月28日 12:31 美西时间 ⑥ TLDR AI, 2026年08月28日 21:34 北京时间 / 2026年08月28日 06:34 美西时间 ⑦ Ars Technica, 2026年08月29日 02:07 北京时间 / 08月28日 11:07 美西时间【免责声明】 本日报为AI行业每日公开信息汇总整理仅供读者快速了解行业动态不构成任何投资建议。所有信息均来源于公开渠道本账号不对其准确性、完整性和时效性作出任何保证。AI行业技术与政策变化迅速内容发布后可能发生更新请以官方最新信息为准。据此作出的任何决策全部风险自担。© 2026 林伽一 · AI科技日报#开源模型 #大模型 #物理AI #推理加速 #SageMaker